Consumer Perceptions of Wearable Technology Devices: Retrospective Review and Analysis
Notice bibliographique
Résumé
BACKGROUND: Individuals of all ages are becoming more health conscious, and wearable technology devices (eg, Fitbit and Apple Watch) are becoming increasingly popular in encouraging healthy lifestyles. OBJECTIVE: The aim of this paper was to explore how consumers use wearable devices. METHODS: A retrospective review was done on the top-rated verified purchase reviews of the Fitbit One posted on Amazon.com between January 2014 and August 2018. Relevant themes were identified by qualitatively analyzing open-ended reviews. RESULTS: On retrieval, there were 9369 reviews with 7706 positive reviews and 1663 critical reviews. The top 100 positive and top 100 critical comments were subsequently analyzed. Four major themes were identified: sleep hygiene ("charts when you actually fall asleep, when you wake up during the night, when you're restless--and gives you a cumulative time of "actual sleep" as well as weekly averages."), motivation ("25 lbs lost after 8 months - best motivator ever!"), accountability ("platform to connect with people you know and set little competitions or group…fun accountability if you set a goal with a friend/family."), and discretion ("able to be clipped to my bra without being seen."). Alternatively, negative reviewers felt that the wearable device's various tracking functions, specifically steps and sleep, were inaccurate. CONCLUSIONS: Wearable technology devices are an affordable, user-friendly application that can support all individuals throughout their everyday lives and potentially be implemented into medical surveillance, noninvasive medical care, and mobile health and wellness monitoring. This study is the first to explore wearable technology device use among consumers, and further studies are needed to examine the limitless possibilities of wearable devices in health care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».